이 글은 IDC의 리서치 디렉터 데빈 프랫이 작성한 게스트 블로그 게시물입니다.
오늘날 IT 리더들에게 브리핑할 때는 논점이 완전히 달라집니다. 예전에는 어떤 모델을 사용할 것인가가 핵심 질문이었습니다. 이제는 데이터 플랫폼이 스스로 작업을 수행하는 소프트웨어를 따라갈 수 있는지가 문제입니다. 생성형 AI는 질문에 답합니다. 에이전틱 AI는 직접 행동합니다. 이러한 변화 하나만으로도 데이터 플랫폼이 해야 할 모든 것이 달라집니다.
이는 먼 미래의 문제가 아닙니다. IDC의 2026년 4월 전 세계 데이터 관리 설문조사(Worldwide Data Management Survey, n = 715)에 따르면, 조직의 30%는 이미 프로덕션 환경에서 에이전틱 AI를 운영하고 있으며, 또 다른 50%는 이미 구체적인 지출 계획을 세우고 이에 투자하고 있습니다. 기업 5곳 중 4곳은 이미 업무에 에이전트를 도입할지 결정하는 단계를 넘어섰으며, 이제 에이전트를 안전하게 운영하는 방법을 구체화하고 있습니다.
그림 1. 에이전틱 AI는 이미 프로덕션 환경으로 진입하고 있습니다.
Q. 현재 조직의 에이전틱 AI 평가 또는 사용 현황을 가장 잘 설명하는 것은 무엇입니까?
n=715, 출처: IDC의 전 세계 데이터 관리 설문조사(Worldwide Data Management Survey), 2026년 4월
제가 계속 강조하게 되는 변화가 있습니다. 이미 일어난 일을 분석하기 위해 구축된 플랫폼과 앞으로 일어날 일을 처리하기 위해 구축된 플랫폼은 같지 않습니다. 에이전트가 데이터를 읽고, 판단하고, 실시간으로 행동할 때 데이터베이스는 더 이상 단순히 기록을 저장하는 수동적인 저장소가 아닙니다. 에이전트가 행동하는 바로 그 순간에 실시간 컨텍스트를 제공하고, 필요한 정보를 검색하며, 정책을 적용하는 제어 지점이 됩니다. 이를 잘못하면 한 번의 잘못된 데이터 읽기가 순식간에 잘못된 행동으로 이어지고, 그 오류가 반복됩니다.
이제 실시간은 예외가 아이제 실시간은 예외가 아닌 기본 요구사항입니다.닌 기준입니다. 동일한 설문조사에서 기업의 데이터 활용 사례 중 64.6%가 이미 실시간 또는 준실시간 데이터 제공을 요구하고 있으며, 스트리밍 시나리오의 경우 91.2%가 엔드투엔드 지연 시간을 200ms 미만으로 유지해야 하는 것으로 나타났습니다. 배치 중심 아키텍처는 점점 이러한 실시간 요구사항을 충족하기 어려워지고 있습니다.
그렇다면 IT 리더는 실제로 무엇을 찾아야 할까요? 팀과 함께 이 문제를 해결하다 보면 매번 네 가지 요구 사항이 나옵니다.
- AI 특성에 맞는 데이터에 적합한 실시간 운영 기반: AI 데이터는 비정형이고 빠르게 변화하며 데이터량도 많습니다. 이러한 특성에 맞는 기반이 필요하며, 데이터를 빠르게 제공할 수 있어야 합니다. 이것이 바로 IDC가 관계형 데이터베이스 부문이 여전히 가장 큰 비중을 차지하는 가운데, 비스키마 및 데이터 레이크 시스템이 전체 데이터베이스 시장보다 빠르게 성장할 것으로 전망하는 이유입니다.
예측하기 어려운 에이전트 기반 수요에 대응하는 탄력적 확장: 에이전트 트래픽은 순간적으로 급증하는 특성이 있으며 예측하기 어렵습니다. 팀은 확장 한계 때문에 대대적으로 재구축해야 하는 일 없이 하나의 기반을 바탕으로 계속 확장해 나가기를 원합니다. 이것이 바로 핵심 플랫폼으로 통합하려는 움직임의 배경이며, 현재 퍼블릭 클라우드가 데이터베이스 매출의 64.6%를 차지하고 있습니다.
정확하고 항상 최신 상태인 조회: 에이전트의 성능은 필요한 컨텍스트를 얼마나 잘 확보할 수 있는지에 달려 있습니다. 구매자들은 이를 잘 알고 있습니다. 약 75%는 독립형 벡터 데이터베이스보다 통합 벡터 데이터베이스를 선호하며, 47%는 일관된 시맨틱 계층이 안전하고 신뢰할 수 있는 AI에 필수적이라고 생각합니다.
프로덕션 환경에서 에이전트를 운영하기 위한 거버넌스 기반 런타임: 지속형 메모리, ID에 연계된 정책, 관측 가능성을 통해 거버넌스 팀이 에이전트에 실제 업무 수행을 맡길 수 있도록 합니다. IDC는 2027년까지 에이전틱 AI 사용 사례의 80%가 실시간 컨텍스트 데이터 액세스를 필요로 할 것으로 예상하며, 이에 따라 기업은 게이트키핑에서 중앙 집중식 거버넌스를 기반으로 한 연합 액세스로 전환하게 될 것으로 전망합니다.
요구사항을 파악하는 것은 쉬운 일입니다. 하지만 실제로는 세 가지 요인이 팀의 진행을 늦추고 있으며, 이를 하나씩 살펴볼 필요가 있습니다.
벤더 종속 우려: 약 95%의 조직이 데이터 주권 요구사항을 보고하고 있으며 90%가 오픈 소스 데이터베이스를 사용하고 있는 만큼, 기업은 하나의 스택에 비즈니스를 걸기보다 여러 클라우드와 자체 인프라에서 운영하기를 원합니다.
자율적 행동에 대한 거버넌스: 소프트웨어가 스스로 행동할 수 있게 되면 통제 및 감사가 가능한 액세스가 필수가 됩니다. 이를 입증하지 못하면 에이전트는 파일럿 단계에서 더 이상 진전되지 못합니다.
통제하기 어려운 비용: 데이터를 많이 조회하는 에이전트는 사용량이 순간적으로 급증할 수 있으며, 각 단계에서 컨텍스트를 다시 설명하는 과정에서도 토큰이 눈에 띄지 않게 계속 소모됩니다. 비용은 사용하지 않는 용량이 아니라 실제 사용량에 따라 책정되어야 합니다.
다행히도 이러한 문제에는 해결책이 있습니다. 데이터와 가까운 곳에서 조회를 수행하고, 어디서나 배포할 수 있으며, 기본적으로 에이전트를 거버넌스 체계에 따라 관리하는 플랫폼이라면 이 세 가지 문제를 모두 직접적으로 해결할 수 있습니다.
앞으로 나아갈 길
이러한 흐름은 이미 나타나고 있습니다. IDC는 2029년까지 엔터프라이즈 데이터 플랫폼의 60%가 에이전틱 AI를 지원하기 위해 하이브리드 처리 아키텍처에서 트랜잭션 및 분석 워크로드를 통합할 것으로 예측합니다. 데이터베이스는 더 이상 데이터가 머무르는 곳이 아닙니다. 에이전트가 행동하는 곳입니다. 데이터베이스를 이러한 방식으로 다루는 기업은 파일럿 단계에서 프로덕션 환경으로 나아갈 것입니다. 그렇지 않은 기업은 격차가 더욱 벌어지는 상황을 지켜볼 수밖에 없을 것입니다.
자신만의 방향을 직접 설계하고 있다면, 위에서 설명한 요구사항부터 살펴보는 것이 좋은 출발점입니다. 실시간 운영 기반, 탄력적 확장, 정확한 조회, 거버넌스 기반 런타임, 그리고 어디서나 실행할 수 있는 유연성이 필요합니다.
계속 읽기
네 가지 요구사항 각각을 뒷받침하는 시장 데이터를 포함한 전체 분석을 살펴보려면, MongoDB의 지원을 받아 작성된 IDC 스포트라이트 지능형 데이터 플랫폼 시대: 에이전틱 AI를 위한 기업의 준비(IDC #US54925526, 2026년 9월)를 확인해 보세요.